本研究提出了一种新颖的BP-SGCN框架，通过引入基于运动特征的行为伪标签，显著提高了异构交通参与者的轨迹预测精度，实验结果优于现有方法。

本文介绍了一种改进的谱图卷积网络，利用重新定义的拉普拉斯矩阵处理定向图，提升了半监督节点分类的效果。研究了图信号滤波器的表达能力，提出了JacobiConv网络，能够在无非线性函数的情况下超越对比算法。此外，提出了SGCN和DGCN模型，分别改进了图卷积网络在图像分类和有向图上的表现。多项实验验证了这些模型在图形学习任务中的优越性。